概率论入门 (IGCSE 0607)
各位数学爱好者，大家好！欢迎来到奇妙的概率世界。本章旨在带大家理解“机会”的概念，并学会预测事件发生的可能性。
为什么这很重要？概率能帮助我们做出日常决策——从是否需要带伞（下雨的概率是多少？），到金融或科学领域的风险评估。它是理解数据和统计学的核心技能。
我们将从基础内容（核心课程内容）开始，逐步过渡到处理组合事件的强大技巧（扩展课程内容）。如果起初觉得有些复杂也不必担心，我们将把每一个概念拆解开来，一步步攻克！
第 1 节：概率刻度与单事件 (C9.1 / E9.1)
概率就是用来衡量某件事发生的可能性大小。
1.1 概率刻度
所有概率都位于 0 到 1 之间。
- 0： 该事件是不可能发生的。（例如：猫长出翅膀的概率。）
- 0.5 或 1/2： 该事件发生的概率为均等。（例如：抛硬币出现正面的概率。）
- 1： 该事件是必然发生的。（例如：明天太阳会升起的概率。）
概率必须用 分数、小数或百分数 来表示（例如：1/4，0.25 或 25%）。
1.2 计算单事件的概率
计算特定事件 (\(A\)) 概率的核心公式非常简单：
$$P(A) = \frac{\text{有利结果的数量}}{\text{所有可能结果的总数}}$$
示例：掷骰子
假设你掷一颗均匀的六面骰子。
- 所有可能的结果：{1, 2, 3, 4, 5, 6}。总数 = 6。
-
事件 A： 掷出 4。
有利结果：{4}。数量 = 1。
$$P(\text{掷出 4}) = \frac{1}{6}$$ -
事件 B： 掷出偶数。
有利结果：{2, 4, 6}。数量 = 3。
$$P(\text{掷出偶数}) = \frac{3}{6} = \frac{1}{2}$$
1.3 互补事件（“非”规则）
事件发生的概率加上该事件不发生的概率永远等于 1。这被称为互补事件。
$$P(\text{非 } A) = 1 - P(A)$$
如果我们使用扩展 (Extended) 教学大纲的记法（核心课程不要求，但了解一下很有用！）：\(P(A')\) 或 \(P(\bar{A})\) 表示事件 A 不发生的概率。
$$P(A') = 1 - P(A)$$
快速复习：单事件
概率刻度范围是从 0 到 1。做题时一定要看清题目问的是事件发生的概率，还是不发生的概率。
第 2 节：相对频率与期望频率 (C9.2 / E9.2)
有时我们无法通过理论计算得出概率（比如抛掷某种不规则的骰子），此时我们就需要依靠实验，这就引出了频率的概念。
2.1 相对频率（实验概率）
相对频率是通过进行实验估算出的概率。
有时它也被称为实验概率。
$$\text{相对频率} = \frac{\text{事件发生的次数}}{\text{试验的总次数}}$$
你知道吗？
实验次数越多，相对频率就越接近真实的理论概率。这被称为大数定律。
示例：旋转转盘
一个转盘旋转了 200 次，其中 45 次停在红色区域。
估算的概率 \(P(\text{红色})\) 即为相对频率：
$$P(\text{红色}) = \frac{45}{200} = 0.225$$
2.2 理解公平性与偏差
在处理概率时，我们经常会用到以下术语：
- 公平/随机： 每个结果发生的概率相等。（例如：均匀的硬币、标准的骰子。）
- 偏差： 某些结果比其他结果发生的可能性更大。这就是为什么我们依靠相对频率来估算有偏差物体的概率。（例如：被加了配重的硬币。）
2.3 计算期望频率
如果我们已知某事件的概率，就能预测它在未来一定次数的试验中会发生多少次。这被称为期望频率（或期望值）。
$$\text{期望频率} = P(\text{事件}) \times \text{试验总次数}$$
示例：期望获胜场次
某足球队赢得一场比赛的概率是 0.6。如果本赛季他们参加 40 场比赛，预计能赢几场？
$$\text{期望获胜场次} = 0.6 \times 40 = 24$$
要点总结：估算
相对频率是过去实际发生的情况。期望频率是我们对未来可能发生情况的预测。
第 3 节：组合事件的概率 (C9.3 / E9.3)
当两个或多个事件同时发生时（例如：同时抛两枚硬币、抽取两张牌），我们关注的是组合概率。此时，我们可以使用图表来展示所有可能性。
3.1 样本空间图
样本空间图（通常是列表或双向表）展示了实验中所有可能的结果。
示例：掷两颗骰子（双向表）
掷两颗骰子时，样本空间有 \(6 \times 6 = 36\) 种可能的结果。
如果我们想求点数之和为 7 的概率：
- 有利结果（和为 7）：(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)。总计 6 种。
- $$P(\text{和为 7}) = \frac{6}{36} = \frac{1}{6}$$
3.2 使用韦恩图
韦恩图非常适合可视化事件及其关系，特别是在两个集合有重叠的情况下（核心及扩展教学大纲将韦恩图限制为两个集合）。
- 长方形代表全集 (\(U\))，即所有可能的结果。
- 圆圈代表具体的事件 (\(A\), \(B\))。
韦恩图的核心术语 (C9/E9)
- 交集 (AND)： \(A\) 和 \(B\) 重叠的中间部分。这意味着两个事件同时发生。记法（扩展）：\(A \cap B\)。
- 并集 (OR)： \(A\) 或 \(B\) 覆盖的整个区域。这意味着A 发生，或 B 发生，或两者都发生。记法（扩展）：\(A \cup B\)。
- 补集 (NOT)： 圆圈之外的区域。记法（扩展）：\(A'\)。
3.3 树状图
树状图对于展示两个或多个事件的序列至关重要。
如何使用树状图：
- 从第一个事件开始，画出所有可能结果的分支，并在分支上写下概率。
- 从这些分支的末端，画出第二个事件的分支，同样在新的分支上写下概率。
- 在每条路径的末尾写下最终结果（例如：“正面，反面”）以及最终概率。
树状图的黄金法则：
- 法则 1（沿分支）： 要寻找一个序列的概率（例如：红色 AND 红色），你需要将路径上的概率相乘。
- 法则 2（看末端）： 要寻找多个成功序列的概率（例如：红色, 蓝色 OR 蓝色, 红色），你需要将所需末端的概率相加。
常见错误警示！
不要混淆加法和乘法！ 沿分支方向（AND）计算时要相乘，在末端（OR）汇总计算时要相加。
第 4 节：高级组合概率 (扩展重点 E9.3)
对于扩展课程的学生，你需要规范化组合事件的规则，并考虑“有放回”与“无放回”之间重要的区别。
4.1 独立事件（有放回）
如果事件 A 的结果对事件 B 发生的概率没有影响，则称 A 和 B 是独立事件。
类比： 抛两次硬币。第一次的结果对第二次没有任何影响。
独立事件的乘法规则 (AND)：
$$P(A \text{ and } B) = P(A) \times P(B)$$
有放回事件
当物品被抽取后又放回（替换），这些事件是独立的，因为下一次抽取时总数保持不变。
4.2 相关事件（无放回）
如果第一个事件的结果确实改变了第二个事件发生的概率，则称这两个事件是相关事件（或从属事件）。
类比： 从袋子里拿弹珠，且不放回。如果你拿走了一颗红弹珠，那么第二次再拿红弹珠的概率就变了。
在处理相关事件的树状图时，必须根据第一个事件的结果，仔细更新第二组分支的概率！
示例：袋子里有 3 颗红弹珠和 7 颗蓝弹珠。
- \(P(\text{第一次抽到红色}) = \frac{3}{10}\)
- 如果第一次是红色（且未放回），袋子里现在剩下 2 颗红弹珠和 7 颗蓝弹珠（总共 9 颗）。
- \(P(\text{第二次抽到红色}) = \frac{2}{9}\)
- $$P(\text{先红后红}) = \frac{3}{10} \times \frac{2}{9} = \frac{6}{90}$$
4.3 互斥事件（加法规则）
如果两个事件 A 和 B 不能同时发生（它们没有共同结果），则称它们是互斥事件。如果 A 发生，B 就不能发生，反之亦然。
类比： 掷骰子。你不能同时掷出 2 AND 5。
互斥事件的加法规则 (OR)：
$$P(A \text{ or } B) = P(A) + P(B)$$
教学大纲使用的记法为：$$P(A \cup B) = P(A) + P(B)$$
记忆助手：何时相加，何时相乘
Adding (相加) = M.E. (Mutually Exclusive，互斥)。当你想要一个结果 OR 另一个结果时，使用 +。
Multiplying (相乘) = Independent (独立)。当你想要一个结果 AND 另一个结果时（一个序列），使用 ×。
复习与练习：概率工具
根据题目结构使用正确的工具：
工具总结
- 样本空间图 / 表格： 最适合可视化所有可能的结果，特别是处理两个独立事件时（如掷两颗骰子或抛两枚硬币）。
- 韦恩图： 最适合根据共有特征或集合来可视化结果（例如：既喜欢茶又喜欢咖啡的人）。
- 树状图： 处理事件序列时必不可少，特别是当事件是相关事件（无放回）时。
你已经掌握了概率的基础！精通的关键在于多加练习，着重判断事件是“独立”还是“互斥”的，并选择合适的工具（表格、韦恩图或树状图）来计算最终概率。继续努力！